/usr/local/cuda-10.0/bin/nvcc -ccbin g++ -I../../common/inc -m64 -gencode arch=compute_30,code=sm_30 -gencode arch=compute_35,code=sm_35 -gencode arch=compute_37,code=sm_37 -gencode arch=compute_50,code=sm_50 -gencode arch=compute_52,code=sm_52 -gencode arch=compute_60,code=sm_60 -gencode arch=compute_61,code=sm_61 -gencode arch=compute_70,code=sm_70 -gencode arch=compute_75,code=sm_75 -gencode arch=compute_75,code=compute_75 -o deviceQuery.o -c deviceQuery.cpp /usr/local/cuda-10.0/bin/nvcc -ccbin g++ -m64 -gencode arch=compute_30,code=sm_30 -gencode arch=compute_35,code=sm_35 -gencode arch=compute_37,code=sm_37 -gencode arch=compute_50,code=sm_50 -gencode arch=compute_52,code=sm_52 -gencode arch=compute_60,code=sm_60 -gencode arch=compute_61,code=sm_61 -gencode arch=compute_70,code=sm_70 -gencode arch=compute_75,code=sm_75 -gencode arch=compute_75,code=compute_75 -o deviceQuery deviceQuery.o mkdir -p ../../bin/x86_64/linux/release cp deviceQuery ../../bin/x86_64/linux/release
时间: 2023-11-30 20:03:44 浏览: 242
这是一个编译 CUDA 程序的命令,其中使用了 nvcc 编译器和 g++ 编译器。该命令编译了名为 deviceQuery.cpp 的源文件,并将其链接成名为 deviceQuery 的可执行文件。编译器还使用了多个不同的 compute capability,以便程序可以在不同的 NVIDIA GPU 上运行。最后,编译器将可执行文件复制到 ../../bin/x86_64/linux/release 目录下。
相关问题
安装dcnv2时报错:running build running build_ext error: [Errno 2] No such file or directory: ':/usr/local/cuda:/usr/local/cuda:/usr/local/cuda/bin/nvcc',请帮我解决。nvcc --version nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2018 NVIDIA Corporation Built on Sat_Aug_25_21:08:01_CDT_2018 Cuda compilation tools, release 10.0, V10.0.130。# <<< conda initialize <<< export PATH="/usr/local/cuda-10.0/bin:$PATH" export LD_LIBRARY_PATH="/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH" export CUDA_HOME=$CUDA_HOME:/usr/local/cuda 请给出解决反感
这个错误可能是由于缺少 CUDA 的环境变量所致。您可以尝试以下步骤来解决该问题:
1. 确认 CUDA 的路径是否正确,您可以运行以下命令查看:
```
echo $CUDA_HOME
```
如果输出为空,或者路径不正确,您可以通过以下命令设置:
```
export CUDA_HOME=/usr/local/cuda-10.0
```
2. 确认 LD_LIBRARY_PATH 环境变量是否设置正确,您可以运行以下命令查看:
```
echo $LD_LIBRARY_PATH
```
如果输出为空,或者路径不正确,您可以通过以下命令设置:
```
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH
```
3. 确认 nvcc 是否在 PATH 环境变量中,您可以运行以下命令查看:
```
which nvcc
```
如果输出为空,或者路径不正确,您可以将 CUDA 的 bin 目录添加到 PATH 环境变量中:
```
export PATH=/usr/local/cuda-10.0/bin:$PATH
```
4. 重新安装 dcnv2,您可以尝试运行以下命令:
```
pip uninstall dcnv2
pip install --upgrade git+https://github.com/CharlesShang/DCNv2.git
```
如果问题仍然存在,请尝试检查您的 CUDA 安装是否正确,并确认您当前的用户是否有权限访问 CUDA 相关文件。
阅读全文
相关推荐















